HTML کامل یا متن قابل مشاهده: کدام حالت اسکن را انتخاب کنیم؟
استخراج با HTML کامل و متن قابل مشاهده را مقایسه کنید، دلیل تفاوت تعداد نتایج را بدانید و حالت مناسب متن یا نشانه‌گذاری صفحه را برگزینید.
این راهنما از Email Extractor برای مقایسه حالت‌های اسکن صفحه، یعنی HTML کامل و متن قابل مشاهده، استفاده می‌کند.
فهرست
HTML کامل و متن قابل مشاهده چه چیزی را می‌جویند#
صفحه وب، محتوای نمایش‌داده‌شده و نشانه‌گذاری زیرین دارد. نشانی ممکن است در بند دیده شود، در پیوند ایمیل باشد یا در ویژگی‌ای قرار بگیرد که هیچ‌وقت متن خوانا نمی‌شود. متن قابل مشاهده بر متن بارگذاری‌شده قابل خواندن تمرکز دارد؛ HTML کامل نشانه‌گذاری و ساختارهای پشتیبانی‌شده دارای نشانی را هم شامل می‌شود. ورودی‌ها فرق دارند، پس شمار متفاوت طبیعی است. مقایسه زیر برای تک‌صفحه است. اسکن کل سایت پاسخ HTML عمومی و گزینه متن صفحه مستقل دارد، نه بازسازی زبانه کاملاً نمایش‌داده‌شده.
| پرسش | متن قابل مشاهده | HTML کامل |
|---|---|---|
| محتوای اصلی مورد جست‌وجو | متن خوانای بارگذاری‌شده | نشانه‌گذاری بارگذاری‌شده و محتوای پشتیبانی‌شده دارای نشانی |
| پیوند تماس ایمیلی بدون نشانی قابل مشاهده | ممکن است نشانی مقصد را نیابد | می‌تواند مقصد پشتیبانی‌شده mailto را بخواند |
| شروع مناسب | نشانی‌هایی که در صفحه دیده می‌شوند | دکمه تماس یا نشانی‌های احتمالی دیگر در HTML |
| محتوایی که در صفحه بارگذاری نشده | در دسترس نیست | در دسترس نیست |
چه زمانی متن قابل مشاهده شروع بهتری است#
وقتی صفحه نشانی‌ها را واضح فهرست کرده و می‌خواهید به متن قابل خواندن نزدیک بمانید، متن قابل مشاهده را برگزینید. فهرست کارکنان با نشانی زیر نام هر فرد نمونه روشنی است. ابتدا ردیف‌ها را بارگذاری کنید، سپس اسکن و با مبدأ نمایان مقایسه کنید. این حالت می‌تواند تطبیق نشانه‌گذاری نامرتبط را کم کند، اما تضمین نمی‌کند همه نشانی‌ها متعلق به محتوای اصلی باشند. پاصفحه، نمونه و ارجاع بیرونی هم می‌توانند قابل مشاهده باشند. نتیجه را با هدفتان بسنجید، نه صرفاً نام حالت.
چه زمانی HTML کامل نشانی بیشتری می‌یابد#
وقتی دکمه ایمیل هست ولی نشانی مقصد دیده نمی‌شود یا احتمال می‌دهید نشانه‌گذاری پشتیبانی‌شده اطلاعات مفید دارد، HTML کامل را برگزینید. مثلاً مقصد mailto می‌تواند press@studio.test باشد و دکمه فقط تماس با تیم مطبوعات بنویسد. HTML کامل مقصد را می‌خواند و شاید در ویژگی‌ها یا بخش‌های بارگذاری‌شده بیرون از متن اصلی هم نشانی بیابد. برخی نتایج اضافه ممکن است نمونه یا داده قالب باشند. زمینه مبدأ را نگه دارید تا تماس موردنظر از رشته اتفاقی شبیه نشانی جدا شود.
چرا تعداد نتایج دو حالت فرق می‌کند#
فرض کنید صفحه یک نشانی پشتیبانی را نمایش می‌دهد و دو دکمه با مقصد mailto متفاوت دارد. متن قابل مشاهده شاید همان یک نشانی و HTML کامل هر سه را بیابد. ظهور تکراری یک نشانی همچنان یکی می‌شود؛ سه تطبیق همیشه سه نتیجه یکتا نیست. فیلتر فعال می‌تواند هر دو فهرست را کم کند. پیش از اینکه تفاوت را اشکال بدانید، وجود واقعی موارد اضافه در نشانه‌گذاری و اثر فیلتر دامنه، نمونه یا سیستمی بر موارد موردانتظار را بررسی کنید.
بارگذاری محتوای تعاملی پیش از مقایسه#
نشانی‌ای که فقط پس از باز کردن کارت عضو تیم ظاهر می‌شود شاید پیش از آن در صفحه بارگذاری‌شده نباشد. پیمایش کنید، بخش مرتبط یا صفحه تماس را باز کنید و دوباره حالت‌ها را بسنجید. HTML کامل یعنی جست‌وجوی محتوای پشتیبانی‌شده در دسترس اسکنر، نه گرفتن هر صفحه یا سابقه خصوصی پشت سایت. قاب قابل دسترس و مؤلفه باز ممکن است نتیجه بدهند و جداسازی مرورگر محتوای تعبیه‌شده دیگر را مسدود کند. مقایسه یک صفحه از فرض یکسان بودن ساختار تماس همه سایت‌ها معتبرتر است.
این حالت‌ها را با چه چیزی اشتباه نگیریم#
این حالت‌ها تأیید صندوق، پایگاه تماس یا وعده بازیابی هر نشانی پنهان نیستند. متن تصویر ممکن است خوانده نشود و فرم تماس نشانی مقصد را نشان ندهد. برخی روش‌های مبهم‌سازی الگوی خوانا در HTML می‌گذارند و برخی نه. اگر صفحه نشانی را در محتوای قابل دسترس ندهد، تغییر حالت شاید کمکی نکند؛ راه تماس عادی سایت را ببینید. اگر نشانی پشتیبانی‌شده حاضر ولی گم‌شده است، موقتاً فیلترها را بردارید و پیش از گزارش، دسترسی سایت را بررسی کنید.
روش تکرارپذیر انتخاب حالت اسکن#
از صفحه و اطلاعاتی که واقعاً می‌بینید شروع کنید. وقتی محدوده متن مناسب کار است، متن قابل مشاهده را اجرا کنید؛ سپس برای دکمه تماس یا نشانی گم‌شده HTML کامل را بسنجید. در هر دو، مبدأ و فیلتر را یکسان نگه دارید تا مقایسه معنی‌دار باشد. موارد اضافه را بررسی، مفیدها را حفظ و فهرست انتخابی را صادر کنید. برای پردازش گروهی URLهای معلوم یا کشف کل سایت، روش جداگانه آن را انتخاب کنید؛ تغییر حالت، محدوده صفحه فعال را گسترش نمی‌دهد.
این روش را در عمل امتحان کنید
مستندات مرتبط را بخوانید برای شناخت کنترل‌ها و محدودیت‌های محصول در این راهنما. تماس با پشتیبانی اگر درباره نتیجه مشخصی کمک لازم دارید.
Email Extractorدریافت Email Extractor
نشانی‌های صفحات وب را پیدا کنید و نتایج را به فهرستی کاربردی تبدیل کنید.
